深度学习实战：基于TensorFlow2.X的计算机视觉开发应用 人工智能 深度学习 机器学习 tensorflow神经网络 计算机视觉迁移 学习目标检测 指纹识别

　　邱宇航，澳大利亚八大名校蒙纳士大学全额奖学金博士，研究方向为人工智能工业应用，深度学习及计算机视觉；曾任苏州中科院医工所研究助理一年，公费至台湾交通大学交流半年；本科期间获得专业毕业论文优秀奖，担任学科竞赛队伍带头人参与省级以上竞赛20余项，获奖项10余项，省级奖项若干项，并作为全国50强入选百度青年人工智能创客训练营；迄今，在计算机人工智能相关研究领域发表多篇论文，包含Q1、Q2 等业内知名期刊SCI论文和会议论文，申请获批多项专利和软件著作权，担任如《Concurrency and Computation: Practice and Experience》等在内的SCI期刊审稿人。

　　《深度学习实战：基于TensorFlow 2.X 的计算机视觉开发应用》从环境的搭建和TensorFlow 2.X 的基础语法讲起，逐步深入到计算机视觉领域的算法模型理论与实战应用，并重点讲解了如何使用TensorFlow 2.X 框架实现各类经典的深度学习模型，让读者可以系统地学习TensorFlow 2.X 在计算机视觉领域的相关知识和实战应用。
　　全书共13 章，涵盖的主要内容有Anaconda环境配置、JupyterNotebook使用、神经网络模型和用Python从零实现神经网络、TensorFlow 2.X 的基础语法、图像分类的算法模型理论和实战、迁移学习技术实战、目标
　　检测的算法模型理论和实战、自编码器的算法模型理论和实战、生成式对抗网络的算法模型理论和实战、基于
　　深度学习的指纹识别技术实战、基于摄像头的指定物体实时预测、基于 Linux 平台下的深度学习模型网页部署、基于exe 程序的深度学习识别系统以及自动机器学习的理论与实战等。
　　《深度学习实战：基于TensorFlow 2.X 的计算机视觉开发应用》内容通俗易懂、案例丰富、实用性强，特别适合机器学习、深度学习、Tensorflow2.X框架和计算机视觉领域的入门读者阅读，也适合Python 程序员等其他编程爱好者阅读。另外，本书也可作为相关院校或培训机构的教材使用。